基于支持向量机的炉膛火焰灭火判别方法研究
|
摘要
当今电站锅炉炉膛灭火判别对锅炉安全和经济运行有着重要意义。本文针对炉膛火焰图像监测系统存在的灭火判别问题,提出了一种炉膛火焰灭火判别方法。该方法通过对火焰图像的分析,提取了用于灭火判别的两个特征值,然后对这个特征空间使用神经网络和支持向量机进行识别分类,结果表明:特征量提取是成功的,这种判别方法有很高的正确率,能够正确对火焰图像进行灭火判别;支持向量机方法用于灭火判别是可行的。在此基础上讨论了根据序列图像如何判别单煤粉燃烧器有灭火情况发生,以及利用支持向量机算法如何判别火焰燃烧稳定性的问题。
To solve the problem of judging outfire in flame image monitor system, the way of judging furnace outfire was presented. First, the two features of the flame image were extracted. Then the feature space consisting of two features were classified with the neural network and Support Vector Machine. Results show that the feature extraction is correct. This method has high accuracy, and can correctly judge the state of the combustion. Support Vector Machine is effective for outfire judgment. At last, this article discusses how to judge outfire situation of one coal burner by flame image sequence and how to judge the combustion stability by SVM.
To solve the problem of judging outfire in flame image monitor system, the way of judging furnace outfire was presented. First, the two features of the flame image were extracted. Then the feature space consisting of two features were classified with the neural network and Support Vector Machine. Results show that the feature extraction is correct. This method has high accuracy, and can correctly judge the state of the combustion. Support Vector Machine is effective for outfire judgment. At last, this article discusses how to judge outfire situation of one coal burner by flame image sequence and how to judge the combustion stability by SVM.
引文
1.刘禾,数字图像处理技术在电力工业中的应用 [J].中国电力, 2003,36(11):73-75
2.葛传力.看火电视在锅炉灭火保护中的应用 [J].冶金动力,2000,3:28～31
3.刘禾,崔怀利,周茵等.电站锅炉火焰图像检测系统 [J].现代电力,2001,18(3):75-78
4.刘禾,周茵,石晓峰,基于 RBF 神经网络的煤粉着火判别 [J],模式识别与人工智能,2005,18(3):366-369
5. 吕 崇 德 等 . 图 像 处 理 技 术 用 于 火 焰 检 测 的 研 究 [J]. 清 华 大 学 学 报 , 1989(2):1～8.
6.华彦平,邹煜,吕震中.现代燃煤电站锅炉火焰检测综述 [J].热能动力工程,2001,16(1):1-6
7.王式民等.图像处理技术在锅炉炉膛火焰检测中的应用 [J]. 锅炉技术, 1997(1): 8～13.
8.李国正,王猛,曾华军.支持向量机导论 [M].北京:电子科技出版社,2004.
9.徐伟勇等.采用传像光纤和数字图像处理技术检测燃烧火焰[J]. 动力工程,1999(1): 45～48.
10. Muzio L J, EskinaziD, Green S F. Acoustic pyrometry: new boiler diagnostic tool [J]. Power Engineering, 1989 (11) : 49～52.
11. Amari S, W u S. Improving support vector machine classifiers by modifying kernel function [J]. Neural Networks, 12 (1997) :783～789.
12. Theodoros Evgeniou, etal. Regularization and statistical learning theory for data analysis [J]. Computational Statistics & Data Analysis, 2002 (38) :
421～ 432.
13.白卫东,等.基于支持向量机的火焰状态识别方法 [J].动力工程,2004,24(4):549～551.
14.李琳、张晓龙.支持向量机学习方法的选择与应用 [J].武汉科技大学学报(自然科学版),2006,29(1):75～78.
15.卫成业,等.基于炉内火焰图像的燃烧诊断 [J].动力工程,2003,23(3):2420～2429
16.朱伟波,数字图像处理技术在锅炉燃烧诊断和优化中的应用. 硕士论文,2004
17.Jones, B.R Flame failure detection and modern boiler, J. Phys, E. sci. Instrum.21 1988
18.祖春光等.基于火焰图像的燃烧稳定性诊断和分析 [J].湖北电力,2006.30(2):39～41
19.Chase, P.J and G.R.Lovejoy, New scanner uses visible light to detect flame[J]. Power Engineer, 86(4) 1982
20.张嘉澎 火焰监视技术的发展 东北电力技术(副刊) 1987 No.2
21.王庆有,孙为珠. CCD 应用技术.天津:天津大学出版社,1993
22.刘禾.数字图像处理及应用 [M].北京:中国电力出版社,2006
23.网冠科技.Visual C++6.0 时尚编程百例 [M]. 北京:机械工业出版社,2002
24.黄维通.Visual C++面向对象与可视化程序设计 [M].第二版.北京:清华大学出版社,2003.
25.何斌,马天予,王运坚,朱红莲.Visual C++数字图像处理 [M].北京:人民邮电出版社,2004.
26.宛延闿. C++语言和面向对象程序设计 [M].北京:清华大学出版社,1998
27.谭浩强. C 程序设计语言 [M].北京:清华大学出版社,1991
28.杨淑莹.图像模式识别—VC++技术实现 [M].北京:清华大学出版社,北京交通大学出版社.2005
29.边肇祺、张学工.模式识别 [M].第二版.北京:清华大学出版社,1999
2.葛传力.看火电视在锅炉灭火保护中的应用 [J].冶金动力,2000,3:28～31
3.刘禾,崔怀利,周茵等.电站锅炉火焰图像检测系统 [J].现代电力,2001,18(3):75-78
4.刘禾,周茵,石晓峰,基于 RBF 神经网络的煤粉着火判别 [J],模式识别与人工智能,2005,18(3):366-369
5. 吕 崇 德 等 . 图 像 处 理 技 术 用 于 火 焰 检 测 的 研 究 [J]. 清 华 大 学 学 报 , 1989(2):1～8.
6.华彦平,邹煜,吕震中.现代燃煤电站锅炉火焰检测综述 [J].热能动力工程,2001,16(1):1-6
7.王式民等.图像处理技术在锅炉炉膛火焰检测中的应用 [J]. 锅炉技术, 1997(1): 8～13.
8.李国正,王猛,曾华军.支持向量机导论 [M].北京:电子科技出版社,2004.
9.徐伟勇等.采用传像光纤和数字图像处理技术检测燃烧火焰[J]. 动力工程,1999(1): 45～48.
10. Muzio L J, EskinaziD, Green S F. Acoustic pyrometry: new boiler diagnostic tool [J]. Power Engineering, 1989 (11) : 49～52.
11. Amari S, W u S. Improving support vector machine classifiers by modifying kernel function [J]. Neural Networks, 12 (1997) :783～789.
12. Theodoros Evgeniou, etal. Regularization and statistical learning theory for data analysis [J]. Computational Statistics & Data Analysis, 2002 (38) :
421～ 432.
13.白卫东,等.基于支持向量机的火焰状态识别方法 [J].动力工程,2004,24(4):549～551.
14.李琳、张晓龙.支持向量机学习方法的选择与应用 [J].武汉科技大学学报(自然科学版),2006,29(1):75～78.
15.卫成业,等.基于炉内火焰图像的燃烧诊断 [J].动力工程,2003,23(3):2420～2429
16.朱伟波,数字图像处理技术在锅炉燃烧诊断和优化中的应用. 硕士论文,2004
17.Jones, B.R Flame failure detection and modern boiler, J. Phys, E. sci. Instrum.21 1988
18.祖春光等.基于火焰图像的燃烧稳定性诊断和分析 [J].湖北电力,2006.30(2):39～41
19.Chase, P.J and G.R.Lovejoy, New scanner uses visible light to detect flame[J]. Power Engineer, 86(4) 1982
20.张嘉澎 火焰监视技术的发展 东北电力技术(副刊) 1987 No.2
21.王庆有,孙为珠. CCD 应用技术.天津:天津大学出版社,1993
22.刘禾.数字图像处理及应用 [M].北京:中国电力出版社,2006
23.网冠科技.Visual C++6.0 时尚编程百例 [M]. 北京:机械工业出版社,2002
24.黄维通.Visual C++面向对象与可视化程序设计 [M].第二版.北京:清华大学出版社,2003.
25.何斌,马天予,王运坚,朱红莲.Visual C++数字图像处理 [M].北京:人民邮电出版社,2004.
26.宛延闿. C++语言和面向对象程序设计 [M].北京:清华大学出版社,1998
27.谭浩强. C 程序设计语言 [M].北京:清华大学出版社,1991
28.杨淑莹.图像模式识别—VC++技术实现 [M].北京:清华大学出版社,北京交通大学出版社.2005
29.边肇祺、张学工.模式识别 [M].第二版.北京:清华大学出版社,1999